全文获取类型
收费全文 | 62篇 |
免费 | 13篇 |
国内免费 | 23篇 |
专业分类
电工技术 | 1篇 |
综合类 | 3篇 |
化学工业 | 14篇 |
机械仪表 | 3篇 |
矿业工程 | 1篇 |
无线电 | 1篇 |
一般工业技术 | 1篇 |
自动化技术 | 74篇 |
出版年
2024年 | 3篇 |
2023年 | 2篇 |
2022年 | 3篇 |
2021年 | 2篇 |
2020年 | 4篇 |
2019年 | 8篇 |
2018年 | 2篇 |
2017年 | 1篇 |
2016年 | 6篇 |
2015年 | 1篇 |
2014年 | 6篇 |
2013年 | 5篇 |
2012年 | 7篇 |
2011年 | 12篇 |
2010年 | 4篇 |
2009年 | 7篇 |
2008年 | 8篇 |
2007年 | 4篇 |
2006年 | 3篇 |
2005年 | 4篇 |
2004年 | 3篇 |
2003年 | 1篇 |
2002年 | 2篇 |
排序方式: 共有98条查询结果,搜索用时 15 毫秒
1.
针对复杂化工过程具有的非线性、非高斯性和动态特征,提出了基于核独立成分分析(KICA)的模式匹配方法,用于动态过程监控和诊断。首先,利用滑动窗建立基准集与测试集的KICA模型,提取各自的核独立元:其次,融合余弦函数绝对值度量和距离度量,提出新的不相似度监控指标,识别训练与测试操作期间的相似模式,进行故障检测:最后,基于两类数据的核子空间之间的差异子空间,获得每个过程变量方向与该差异子空间之间的互信息,并定义新的非线性非高斯贡献度指标,进行故障诊断。基于污水处理过程的仿真结果表明,与主成分分析不相似度因子的方法、标准的独立成分分析(ICA)统计指标方法及标准的ICA T~2/SPE指标融合的贡献度方法相比,本文提出的方法具有更好的检测能力与故障诊断效果。 相似文献
2.
针对电力系统经济负荷分配问题,提出一种有效的差分蜂群算法.受差分进化算法的启发,该算法基于差分进化操作改进了雇佣蜂的搜索方式,提高了探索能力和收敛速度.此外,提出一种有效的修复机制以保证新个体的可行性.该算法在带有阀点效应和多燃料特征的典型电力系统经济负荷分配问题上进行了测试.仿真结果验证了所提算法的有效性. 相似文献
3.
5.
6.
传统的监控方法往往只利用传感器观测值信息进行过程的故障监测,而忽略了原始数据中包含的其他有效信息。为此,提出一种基于多块信息提取的PCA故障监测算法。首先,对过程变量的累计误差和变化率信息进行定义,从而能够从数据中提取新的特征信息,并基于每种特征将过程划分为3个子块;然后,利用PCA方法对每个子块进行建模与监测,通过贝叶斯方法对监测结果进行融合;最后,提出一种基于加权贡献图的故障诊断方法,分离出引发故障的源变量。通过数值例子与田纳西-伊斯曼(TE)过程监控中的应用证明了所提方法的有效性与可行性。 相似文献
7.
青霉素发酵过程中,一些重要参数的检测存在一定的误差,给生产过程的监测及重要参数的实时监控等带来一定困难。样本数据中自变量、因变量均有可能包含误差数据,影响模型建立的准确性,本文采用加权最小二乘算法,给各个样本的误差平方赋予不同权重用于克服异常训练样本的影响,利用Pensim仿真平台数据,采用粒子群算法(PSO)对加权最小二乘向量机算法(WLS-SVM)的参数寻优,建立青霉素发酵过程模型,通过仿真实验表明了该算法用于青霉素发酵过程建模的有效性。 相似文献
8.
利用简单的线性模型很难描述发酵这类复杂的非线性动态过程,因此需要利用非线性方法对该类过程进行建模。为此,提出了利用基于Marquardt算法的非线性回归方法和基于四阶Runge-Kutta算法的非线性微分方程求解方法对发酵过程进行建模分析;并进一步利用统计方法分析了该非线性回归方法的有效性。该方法应用于黄酒发酵过程中,实现了黄酒发酵过程模型的求解和模型参数的动态优化。 相似文献
9.
分簇算法是无线传感器网络中减少网络能量消耗的一种重要方法。为了有效使用无线传感器节点有限的能量,将蚁群优化算法应用于无线传感器网络的路径选择,利用蚁群的动态适应性和寻优能力,在分簇产生的簇头节点之间找到最优路径,进而达到均衡网络负载、延长整个网络寿命的目的。模拟仿真实验结果表明了该算法的可行性和有效性。 相似文献
10.
基于动态惯性因子的PSO算法的研究 总被引:1,自引:0,他引:1
标准粒子群算法是一种有效的寻找函数极值的演化计算方法,它简便易行,收敛速度快.但算法也存在收敛精度不高,易陷入局部极值点的缺点.针对这些缺点,在原有算法的基础上,提出一种动态改变惯性因子的粒子群优化算法(DCWPSO),使得粒子在迭代过程中惯性因子随粒子进化度和聚合度的变化而改变.文中通过对测试函数的仿真实验,并与自适应改变惯性因子的粒子群算法(ACWPSO)以及标准粒子群算法比较,其结果表明这种改进的粒子群算法在性能上明显优于这两种粒子群算法. 相似文献